Inizia a utilizzare l'API Gemini Live con l'SDK Google Gen AI

Questo tutorial mostra come connettersi all'API Gemini Live utilizzando l'SDK Google Gen AI per Python. In questo tutorial, creerai un'applicazione multimodale in tempo reale con un backend Python solido che gestisce la connessione API.

Prima di iniziare

Completa i seguenti passaggi per configurare l'ambiente.

  1. In the Cloud de Confiance console, on the project selector page, select or create a Cloud de Confiance project.

    Roles required to select or create a project

    • Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
    • Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

    Go to project selector

  2. Verify that billing is enabled for your Cloud de Confiance project.

  3. Enable the Agent Platform API, if it is not already enabled.

    Roles required to enable APIs

    To enable APIs, you need the serviceusage.services.enable permission. If you created the project, then you likely already have this permission through the Owner role (roles/owner). Otherwise, you can get this permission through the Service Usage Admin role (roles/serviceusage.serviceUsageAdmin). Learn how to grant roles.

    Enable the API

  4. Install the Google Cloud CLI.

  5. Configure the gcloud CLI to use your federated identity.

    For more information, see Sign in to the gcloud CLI with your federated identity.

  6. To initialize the gcloud CLI, run the following command: 

    gcloud init
  7. Installa Git.
  8. Installa Python 3.

Clona l'app demo

Clona il repository dell'app demo e passa a quella directory:

git clone https://github.com/GoogleCloudPlatform/generative-ai.git &&
cd generative-ai/gemini/multimodal-live-api/native-audio-websocket-demo-apps/plain-js-python-sdk-demo-app

Struttura del progetto

L'applicazione include i seguenti file:

/
├── main.py                 # FastAPI server and WebSocket endpoint
├── gemini_live.py          # Gemini Live API wrapper using Gen AI SDK
├── requirements.txt        # Python dependencies
└── frontend/
    ├── index.html          # User Interface
    ├── main.js             # Application logic
    ├── gemini-client.js    # WebSocket client for backend communication
    ├── media-handler.js    # Audio/Video capture and playback
    └── pcm-processor.js    # AudioWorklet for PCM processing

Configura le variabili di ambiente

Ai fini di questa demo, l'unica variabile di ambiente che dobbiamo configurare è quella che definisce l'ID del tuo progetto Cloud de Confiance . Il comando seguente crea un file .env che imposta la variabile di ambiente PROJECT_ID. Sostituisci PROJECT_ID con l'ID progetto del tuo progetto Cloud de Confiance .

echo "PROJECT_ID=PROJECT_ID" > .env

Esegui il server di backend

Il backend (main.py) gestisce la connessione tra il client e l'API Gemini Live. L'entry point è un server FastAPI che espone un endpoint WebSocket. Accetta i segmenti audio e video dal frontend e li inoltra alla sessione GeminiLive. La classe GeminiLive in gemini_live.py racchiude genai.Client per gestire la sessione.

# Connects using the SDK
async with self.client.aio.live.connect(model=self.model, config=config) as session:
    # Manages input/output queues
    await asyncio.gather(
        send_audio(),
        send_video(),
        receive_responses()
    )

Per eseguire il server di backend, esegui questi comandi:

  1. Installa le dipendenze:

    pip3 install -r requirements.txt

  2. Autenticati con Cloud de Confiance by S3NS:

    gcloud auth application-default login

  3. Avvia il server:

    python3 main.py

Apri la UI frontend e connettiti a Gemini

Il frontend gestisce l'acquisizione e la riproduzione di audio e video. Il file gemini-client.js gestisce la connessione WebSocket al backend. Invia blocchi multimediali con codifica base64 al backend e riceve risposte audio dall'API Gemini Live, che vengono poi riprodotte per l'utente.

Per aprire la UI frontend e connetterti a Gemini:

  1. Apri il browser e vai all'indirizzo http://localhost:8000.
  2. Fai clic su Connetti.

Interagire con Gemini

Prova a fare quanto segue:

  • Inserimento di testo: puoi scrivere un messaggio a Gemini inserendo il messaggio nel campo del messaggio e facendo clic su Invia. Gemini risponde al messaggio utilizzando l'audio.
  • Input vocale: per parlare con Gemini, fai clic su Avvia microfono. Gemini risponde al prompt utilizzando l'audio.
  • Input video: per consentire a Gemini di vedere attraverso la fotocamera, fai clic su Avvia fotocamera. Puoi parlare con Gemini di ciò che vede attraverso la tua fotocamera.

Passaggi successivi